高速公路道路交通量是交通管理、交通规划及交通预测的重要交通流参数。传统的高速公路交通量由公路交通情况调查站点(简称“交调站”)采集或人工交通调查获得，但是由于交调站只布设在高速公路部分路段上，无法获得全路网的交通量，且交调设备在数据采集及数据传输中如出现掉线则对交通量采集造成较大的影响。人工交通调查则需投入较大的人力和物力，且在统计中容易出现误差。目前，随着交通大数据时代的到来，多源数据被广泛地应用于交通量估计，但普遍存在非全样本数据且数据获取难等问题。
　　随着高速公路收费系统的不断完善，收费系统采集并存储了海量的车辆全样本收费数据，包含车辆起讫点、起讫时间等信息，为交通量估计提供了良好的数据源。目前基于收费数据进行高速公路交通量估计的方法多基于车辆行程速度，无法动态反应车辆各路段运行特征，因此交通量估计值有一定误差。为解决上述问题，本文构建了短路径迭代的交通量估计模型，该模型综合考虑了车辆路径中不同路段的运行状况，以车辆真实路径为基础，计算车辆在路径不同路段的到离时间，并进行交通量的估计。由于交调站点布局多基于宏观经济、人口等因素，布局有待完善，因此本文在交通量估计的基础上提出了综合考虑路段时空相关性及交通量变化的交调站点布局模型，旨在提高交调站点布局合理性，更好的监测全网交通量变化特征，为交通量估计提供准确数据源，提高交通量估计精度。
　　本文将四川省高速公路作为研究对象，进行了上述模型的实例分析。首先，对四川省高速收费数据进行了预处理，得到了可用性强的有效数据集。其次，构建了高速路网拓扑关系并通过Dijkstra算法进行了车辆真实路径搜索，基于构建的交通量估计模型完成了全路网时空交通量估计。为有效评价交通量估计准确度，本文与交调数据及其他交通量估计模型进行了对比分析。之后，在交通量估计的基础上，综合考虑路段交通量时空相关系数和交通量欧式距离对路段进行了合并，并通过ReliefF算法对路段交通量估计影响因素进行特征提取及路段综合权重计算，完成了交调站点布局。最后，归纳总结本文的主要结论及未来研究的方向。
　　结果表明，基于短路径迭代的交通量估计模型有效提高了小时交通量估计精度，尤其是拥堵路段。另外，基于交通量估计结果，综合考虑路段空间相关性及交通量欧式距离的交调站点布局方案实现了路网全覆盖，与全网平均交通量相比，监测误差在10％以下，满足高速公路交通量监测需求。